Achilles Therapeutics plc gab bekannt, dass die neue KI-Anwendung des Unternehmens, die mit firmeneigenen realen Daten trainiert wurde, in einer kürzlich durchgeführten Analyse aktuelle KI- und Nicht-KI-Methoden für die Vorhersage der Immunogenität von Neoantigenen übertrifft und die Identifizierung der wirksamsten klonalen Neoantigene für personalisierte Krebstherapien ermöglicht. Weitere Einzelheiten zu dieser neuen Fähigkeit der KI-gestützten Bioinformatikplattform PELEUSo des Unternehmens werden voraussichtlich auf einer der nächsten wissenschaftlichen Konferenzen vorgestellt. Von den zahlreichen Neoantigenen, die zunächst im Tumor eines Patienten identifiziert werden, führt nur ein Bruchteil zu T-Zell-Reaktionen, die einen klinischen Nutzen bringen können.

Achilles hat ein KI-Tool entwickelt, das die prospektive Identifizierung der wirksamsten Neoantigene ermöglicht. Das neue PELEUSo-Modul zur Bewertung der Immunogenität von Neoantigenen wurde mit den Daten von über 10.000 Neoantigenen aus der In-silico-Identifizierung und der Expansion und Charakterisierung tatsächlicher T-Zell-Klone trainiert und validiert. Mit diesem neuen Tool kann die PELEUSo-Plattform genau vorhersagen, welche Neoantigene am ehesten eine starke T-Zell-Antwort hervorrufen. Dies unterstützt die potenzielle Implementierung der Plattform in die laufenden TIL-basierten klinischen Programme des Unternehmens zur Behandlung von fortgeschrittenem nicht-kleinzelligem Lungenkrebs (NSCLC) und Melanom sowie in andere Modalitäten einschließlich klonaler Neoantigen-Krebsimpfstoffe.

Die vom Bioinformatik- und Datenwissenschaftsteam von Achilles durchgeführte Analyse hat gezeigt, dass die PELEUSo-Plattform im Vergleich zu den derzeit verwendeten modernsten Methoden eine deutlich bessere Ranking-Performance aufweist, gemessen an der oReceiver Operating Characteristic Area Under the Curveo (ROC AUC). Die ROC AUC bewertet die Leistung eines maschinellen Lernmodells zur Vorhersage von Neoantigenen, die in vivo bestätigt werden. Das PELEUSo AI-Immunogenitäts-Ranking-Tool wurde anhand von proprietären, realen Daten aus Patientenmaterial des Achilles Material Acquisition Program (MAP), der laufenden CHIRON-Studie bei Patienten mit fortgeschrittenem NSCLC und der THETIS-Studie bei Patienten mit rezidivierendem oder metastasiertem Melanom entwickelt und trainiert.

Aktuelle KI-Methoden werden auf öffentlich zugänglichen Daten aus Quellen wie der Immune Epitope Database (IEDB) trainiert, einer frei verfügbaren Ressource, die vom National Institute of Allergy and Infection Disease (NIAID) finanziert wird.